机器学习（九）：机器学习环境搭建

这是一篇机器学习的介绍，本文不会涉及公式推导，主要是一些算法思想的随笔记录。
适用人群：机器学习初学者，转AI的开发人员。
编程语言：Python
操作系统：Windows

学习机器学习，除了理论知识，需要练习与实战，由于实战项目是在ubuntu系统上开发，平常会在windows上练习与学习新技术，由于windows使用更普遍，下面以windows系统上的安装与使用为例，linux的方式也会给出示例。

Python3还是Python2

Python

进行机器学习，可能会选择Python、R、matlab或者octave，其中以R与Python使用最为广泛，对于转型人员，非数据科学的工作人员，Python是首选:

• Python 是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。
• Python 的设计具有很强的可读性，相比其他语言经常使用英文关键字，其他语言的一些标点符号，它具有比其他语言更有特色语法结构。
• Python 是一种解释型语言：这意味着开发过程中没有了编译这个环节。类似于PHP和Perl语言。
• Python 是交互式语言：这意味着，您可以在一个Python提示符，直接互动执行写你的程序。
• Python 是面向对象语言:这意味着Python支持面向对象的风格或代码封装在对象的编程技术。
• Python 是初学者的语言：Python 对初级程序员而言，是一种伟大的语言，它支持广泛的应用程序开发，从简单的文字处理到 WWW 浏览器再到游戏。

Python3还是Python2

很多经典的书籍、比较旧的视频教程，代码示例还是python2的版本，但是，python3被越来越多的人使用，也渐渐成为主流，所以，代码示例，以python3为主。

安装

（建议使用集成环境anaconda，单独下载安装的方式可以参照如下）

下载

Python官网
Python文档下载地址
（注：笔者下载的exe可执行文件, python-3.6.4-amd64.exe）

安装

类似于Java安装，一直下一步即可。

配置环境变量

（注：同Java环境变量设置）

计算机——属性——高级系统设置——系统变量——Path

添加Python安装路径即可(例如我的D:\installed\code\python\python3.6.4)

验证

在cmd命令行，输入命令"python"，就可以有相关显示，如下：

第一个程序

运行Python程序的三种方式

Python交互式环境

看到>>>是在Python交互式环境下。

在命令行模式下，可以执行Python进入Python交互式环境，在Python交互式环境下，只能输入Python代码执行。

比如：输入

print("hello")

，直接回车,即可运行，如下：

命令行

也可在命令行中执行Python文件，比如写一个文件执行hello.py，在里面输入

print("hello")

，然后在命令行中输入

python hello.py

即可运行一个.py文件，如下:

IDE

当然，命令行与交互式环境不方便于开发，如下介绍集成式开发环境PyCharm中运行Python程序。

IDE——PyCharm

PyCharm是开发python程序的首选，相当于IntelliJ IDEA对于java的地位，可参照如下教程安装使用：
PyCharm安装教程（Windows）

linux下可以下载绿色版安装包，进入其下的/bin目录，执行：

sh pycharm.sh &

集成环境Anaconda

如果选择安装Python的话，那么需要 pip install 一个一个安装各种库，安装起来比较痛苦，还需要考虑兼容性；

安装Anaconda来进行机器学习的开发是比较推荐的方式，因为anaconda环境中集成了机器学习环境，很多依赖包不需要自己另外安装，而且，可以建立不同的环境，对应不同的python版本或工作空间，比如，可以建立python2.x的环境，也可以建立python3.x的环境，可以建立sklearn的机器学习环境，也可以建立tensorflow的深度学习环境，这样在开发的时候，选择不同的环境即可：

anaconda的安装

anaconda安装与配置
linux版本的话，直接下载Anacondaxxxxx.sh文件，bash命令执行：

bash Anacondaxxxxx.sh

然后会弹出安装界面，一步步执行即可。

建立环境

通过界面方式建立环境最方便，下面介绍linux下命令行的方式：

#启动anaconda
. /xx/xxx/anaconda2/etc/profile.d/conda.sh
 #默认开启base环境
conda activate  
#使用后如需关闭base环境
conda deactivate
#打开anaconda界面，即可通过界面安装环境、依赖包等
anaconda-navigator
#新建环境，使用python3.7
conda create --name python37 python=3.7
 #切到新建的python37的环境
conda activate  python37
#查看存在的虚拟环境
conda info --env
#查看当前环境的安装包
conda list

conda有自己单独的命令，大家可以学习一下

依赖包的安装方式

依赖包的安装一般有以下几种方式：

1. 连网安装：pin install xxx
2. 下载xxxx.whl离线安装：pip install xxxx.whl
3. 下载xxxx.tar.gz离线安装,通过setup.py

对于anaconda，如果在conda源中的软件，可以直接通过界面，选择，然后apply即可，对于离线安装包，需要通过命令行进行安装，下面介绍命令行的几种方式：

#进入python37环境
conda activate python37
#通过conda源安装
conda install scikit-learn
#通过xxxx.whl离线安装
pip install /xx/xxx/xgboost-xxx.xx.whl
#通过xxxx.tar.gz离线安装
tar -zxvf sklearn2pmml-0.39.0.tar.gz
cd sklearn2pmml-0.39.0
python setup.py build
python setup.py install

关联pycharm与anaconda

pycharm配置anaconda环境